济南嵌入式软件设计工程师
嵌入式软件设计工程师是负责设计、开发和测试嵌入式系统软件的专业人员。他们通常在嵌入式系统领域工作，这些系统包括微控制器、传感器、嵌入式操作系统和实时控制系统。嵌入式软件设计工程师需要具备扎实的软件编程技能，并对硬件和嵌入式系统有深入的理解。工作内容包括根据产品需求规格书设计软件架构、编写嵌入式软件代码、进行调试和性能优化、进行软件集成和系统测试。此外，他们还需要与硬件工程师和系统架构师合作，确保软件和硬件之间的良好集成。嵌入式软件设计工程师的工作可以涉及到各种行业，包括汽车、医疗设备、消费电子产品和工业自动化等领域。要成为一名优秀的嵌入式软件设计工程师，需要具备扎实的计算机科学和工程知识，熟练掌握C/C++等编程语言，以及对嵌入式系统的设计和开发有丰富的经验。
薪酬概览
平均月薪
¥11500
中位数 ¥12500 ｜ 区间 ¥8300 - ¥14700
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
66.7% 人群薪酬落在 8-15k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
5
对比上月：岗位减少10
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 5 | 100% |
热招职位
AI应用开发与系统集成工程师（数智化工厂方向）(J10957)
1. 负责将算法团队交付的模型进行服务化封装（如RESTful API、gRPC服务），开发高性能、高可用的后端应用，并负责在服务器或云平台上的部署、监控与维护。
2. 对接生产现场的 PLC、传感器等工业设备，实现设备数据的采集、传输与解析，打通信息系统与物理设备间的数据壁垒。
3. 开发用户友好的Web前端或桌面客户端界面，用于数据展示、模型参数输入、预测结果可视化及交互式分析。
4. 负责AI应用与公司内部系统（如MES, LIMS, ERP, 实时数据库）的集成，设计并实现稳定、安全的数据交换接口与自动化数据管道。
5. 开发供生产或技术人员使用的内部AI工具平台、数据分析平台或模型管理平台，降低AI技术使用门槛。
6. 参与AI项目从技术可行性评估、供应商产品对接（若需要）、技术选型、开发实施到上线运维的全过程，确保项目成功落地。
1、视觉、MES、机器人、业务系统等软件项目的设计、开发、调试、维护以及资料受控
2、所负责项目涉及到的机械,电气,工艺,品质等工程师进行项目设计调试维护过程中的沟通确认
3、所负责项目完成后,维护相应的受控代码,设计文档等资料,交接相应项目的维护操作等
4、完成上级领导安排的其他工作任务
1、AI智能体设计与开发 负责公司AI智能体（Agent）的设计、开发与运维，搭建自动化业务流程，提升业务运行效率。
2、AI门户建设与运营 主导公司AI应用门户的规划与建设，整合内外部AI能力，打造统一的AI服务入口，持续优化用户体验。
3、垂类模型应用落地 结合制药行业业务场景，探索并落地垂直领域AI模型应用，包括但不限于文档智能、质量分析、工艺优化等方向。
4、数据中台与知识库建设 负责公司数据中台架构设计与建设，推进知识库体系的构建、管理与持续运营，支撑数据资产化与智能化应用。
1、模型开发与迭代：针对培养基优化、细胞培养参数预测、纯化条件推荐、制剂稳定性预测等场景，设计并实现ML模型；负责数据预处理→特征工程→模型选型与训练→交叉验证→超参数调优的全流程；把算法模型封装为内部可用工具。
2、可复用Pipeline建设：编写可复用的ML Pipeline代码，建立模型版本控制与实验追踪机制；
3、模型可解释性：在工艺科学家配合下进行SHAP/LIME等可解释性分析，确保模型输出对工艺人员可理解；
4、工具链与基础设施：搭建和维护团队模型训练与推理环境；开发面向AI Champion的轻量分析工具（Streamlit/Gradio应用），降低AI使用门槛；
5、跨板块技术支持：为AI Champion提供模型使用培训和技术答疑；协助各板块进行数据分析与可视化的quick win项目，快速建立信任；
6、文档与知识沉淀：编写模型开发文档和使用手册，定期组织内部技术分享，维护团队代码仓库和技术Wiki。
7、负责接口开发、可视化后台、实验数据自动导入、SHAP可解释性模块开发、软件开发。
1、负责药物研究院研发信息化需求的调研，对接集团研发信息化项目在药物研究院的落地管理及功能推广；
2、跟踪行业内AI技术的最新发展动态，评估新技术在医药研发中的应用潜力，并推动技术落地；
3、与研发团队紧密合作，深入了解研发需求，负责AI模型的开发与训练，将AI技术融入研发流程，提升研发效率和精准度；
4、开发和维护研发相关的AI软件系统和平台，提供稳定的技术支持；
5、协助研发团队处理和分析海量的研发数据，包括合成化学数据、临床试验数据、药物分析数据等，确保数据的质量和可用性。
1、主导大模型选型、微调策略与训练框架设计
2、搭建模型评测体系，持续优化模型性能与业务适配度
3、优化模型推理性能，实现低成本、高效率的模型部署
4、跟踪前沿技术（如多模态、Agent、RAG），规划技术演进路线
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。
1、数据整合与治理：从各工艺板块收集实验数据（Excel记录、LIMS导出、设备输出文件等），建立统一的清洗和标准化流程；识别和处理数据质量问题（缺失值、异常值、批次效应、命名不一致）；建立并维护结构化的数据集目录，为ML建模提供高质量数据底座；
2、统计分析与可视化：使用统计方法（假设检验、ANOVA、回归分析、方差分量分析）支撑工艺开发和QC数据分析；为各板块制作标准化数据看板（Tableau/Power BI或Streamlit），如批次趋势监控、CQA月度汇总；参与OOS/OOT调查的数据分析支持；
3、AI Champion培训与支持：牵头设计并实施AI Champion基础培训课程（Python入门→数据处理→ML概念）；作为AI Champion的日常技术支持第一联系人，解答数据工具使用问题；编写数据操作的SOP文档和培训材料；
4、探索性分析（EDA）：在ML工程师建模前完成探索性数据分析，识别数据特征和潜在规律；支持快速ad-hoc分析请求（如历史批次某质量属性的波动统计分析）。
1. 负责软件开发工作，包括需求分析、系统设计、编码、单元测试、系统集成和服务部署等环节。
2. 参与项目需求评审和技术方案讨论，明确项目开发进度和质量;根据业务需求，进行软件开发工作，编码高质量的Python代码。
3. 负责系统性能优化和代码重构，提高系统的稳定性和可维护性。
4. 参与代码审查，确保代码质量和规范符合团队标准。同时 编写技术文档,包括需求文档、设计文档、测试文档、用户手册等。
5. 与团队密切合作，保质保量的完成leader分配的任务，解决项目中的技术难题和需求变更。
1. 根据业务部门需求，完成系统功能设计、开发与测试，确保高质量交付；
2. 参与人力资源系统等核心项目开发，承担关键模块或服务的设计与编码；
3. 负责系统接口设计、数据库建模与性能优化，持续提升系统稳定性与可维护性；
4. 编写开发文档与技术规范，推动团队技术沉淀与标准化建设；
5. 支持前后端协同开发，配合完成中台系统、表单流程的快速构建；
6. 关注主流技术方向，参与微服务架构、DevOps、AI项目等智能化改造工作；
7. 必要时承担项目指导或评审角色，提升团队整体开发效能。
8. 部门内其他工作。
1. 参与临床项目策略和方案的讨论确定；
2. 参与依据批准的方案，制定所负责项目的项目管理计划和预算草案；
3. 负责或参与做好临床项目的启动，协调督促各中心伦理上会、合同签署、科室启动等入组前准备工作；
4. 参与组织各类会议，包括不限于问题和策略讨论会、临床布置会、总结会、方案讨论会等，并做好会议落实工作；
5. 协助项目运营的日常协调管理，协调各环节衔接、保证项目进度，并确保临床试验符合；
6、完成领导交办的其他工作。
1、负责大模型训练平台的结构设计、核心模块开发与性能优化，支持大规模分布式训练任务；
2、参与数据集的构建、清洗、预处理以及高效存储方案设计，确保数据质量与训练效率；
3、实现模型微调全流程工具链使用，包括参数配置、训练策略优化及资源调度；
4、开发模型验证与评估系统，设计自动化测试框架，确保模型效果符合业务需求；
5、跟踪大模型技术前沿，探索高性能计算、显存优化等关键技术落地。